Simulation of Multiple Motile Agents Using Neural Networks

Bc. Branislav Ševc

Diplomová práce

Anotace:

Algoritmy pre segmentáciu a sledovanie pohybu sú široko využívané v biomedicíne pri spracovaní mikroskopických snímkov populácií živých buniek. Ich vývoj a automatická validácia sú predmetom aktívneho výskumu. Jeden zo súčasných prístupov vyhodnocovania využíva generáciu umelo vytvorených obrazových sekvencií spolu s konzistentnými očakávanými výstupmi. Dáta tohto typu sú vysoko užitočné, ako pri vývoji nových algoritmov, tak aj počas ich validácie. Táto diplomová práca sa pokúša vytvoriť model strojového učenia použiteľného na generovanie podkladových trajektórií bunečných populácií, pričom uvažuje interakcie medzi bunkami. Práca sa zaoberá úpravou a prispôsobením Social GAN modelu na modelovanie trajektórií kmeňových buniek. Práca dôkladne preveruje dôležité návrhové rozhodnutia a zahŕňa experimentálne vyhodnotenie v podobe vizuálnej validácie a štatistickej analýzy.

Abstract:

Segmentation and tracking algorithms are widely used in biomedicine when processing microscopic images of live cell populations. Their development, as well as automatic validation, are a subject of active research. One of the current evaluation approaches employs the generation of synthetic image sequences coupled with consistent expected results. Such data are highly beneficial both when developing new algorithms as well as during the validation phase. This thesis attempts to create a machine learning model usable in generating the underlying synthetic trajectories of cell populations while considering interactions between cells. This work is concerned with modifying and adapting Social GAN models to modelling stem cell trajectories. Important design choices are thoroughly revisited, and experimental evaluation is included as visual validation and statistical analysis.

Keywords

Social GAN, Generative Adversarial Networks, Generative Modelling, Neural Networks, Machine Learning, Visualisation, Trajectory Generation, Biological Cell Motility, Muscle Stem Cells, Generatívne Modelovanie, Neurónové Siete, Strojové Učenie, Vizualizácia, Generovanie Trajektórií, Modelovanie Biologických Buniek, Kmeňové Bunky

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 17. 5. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 24. 6. 2022
• Vedoucí: doc. RNDr. David Svoboda, Ph.D.
• Oponent: doc. RNDr. Martin Maška, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Umělá inteligence a zpracování dat / Strojové učení a umělá inteligence